Penyakit Asma merupakan Penyakit Tidak Menular yang masih cukup banyak diderita oleh masyarakat Indonesia.Riset Kesehatan Dasar tahun 2013, melaporkan prevalensi asma di Indonesia adalah 4,5% dari populasi, dengan jumlah kumulatif kasus asma sekitar 11.179.032. ACT (Asthma Control Test)merupakan metode pemeriksaan yang ditetapkan oleh Kementerian Kesehatan RI untuk mengelompokkan ketegori asma termasuk terkontrol atau tidak terkontrol. Penelitian yang telah ada mengidentifikasi penyakit asma dengan menggunakan algoritma optimasi, salah satunya yaitu klasifikasi dengan menggunakan beberapa metode data mining. Dalam penelitian lain hasil klasifikasi suatu metode ada beberapa yang menggunakan algoritma untuk peningkatan optimasi. Algoritma optimasi yang digunakan dalam penelitian ini adalah Particle Swarm Optimization. Hasil yang diperoleh pada penelitian ini adalah pengujian dengan jumlah parameter sehingga mendapatkan struktur terbaik dari Neural Network Backpropagation yang menghasilkan tingkat kinerja klasifikasi yang berbeda tergantung dari nilai parameter tersebut dan metode NNBP ini sendiri sudah sangat bagus dalam mengklasifikasikan data karena tanpa algoritna optinasi sudah mampu menghasilkan kinerja yang cukup besar. Performa kinerja tertinggi menggunakan struktur terbaik pada pengujian yaitu struktur input layer dengan 18 buah neuron, 1 hidden layer dengan 3 buah neuron dan output layer dengan 3 buah neuron pada pengujian klasifikasi NNBP menghasilkan akurasi sebesar 99,67%, recall sebesar 99,67% dan presisi sebesar 99,68% dan pengujian klasifikasi PSO – NNBP dengan menggunakan 29 partikel, 1 inetria weight dan 10 iterasi maksimal menghasilkan akurasi sebesar 100%, recall sebesar 100% dan presisi sebesar 100%.

Kata Kunci: Penyakit Asma, Asthma Control Test, Optimasi, Klasifikasi Data Mining, Particle Swarm Optimization, Neural Network Backpropagation